1、近年來，腦機接口（Brain-Computer Interface，BCI）因其極高的應用價值以及廣闊的應用前景逐漸被人們所熟知，作為腦機接口中的核心技術，腦電信號的研究引起國內(nèi)外科學工作者的廣泛關注。由于腦電信號是一種非平穩(wěn)且產(chǎn)生機理極其復雜的隨機信號，因此，如何有效地提取腦電信號中的有用信息并對其分類識別，對腦電信號的研究發(fā)展至關重要。
　　本課題主要針對腦機接口中的關鍵模塊：特征提取，模式識別進行了研究，并在進行分類識別之前

2、進行特征選擇。最終基于MATLAB GUI將各模塊集成為一個腦電信號的特征提取與識別系統(tǒng)。本文的主要研究工作如下：
　　1.本文闡述了當前常用的腦電信號特征提取方法。通過小波分解與重構得到腦電信號的時頻域特征；然后對腦電信號進行AR建模，構建過完備稀疏基，通過隨機抽取行得到欠定方程組，采用1內(nèi)點法求得AR模型系數(shù)，作為另一組特征。最后合并兩種方法得到的特征集，克服了采用單一種類的特征提取方法所得特征的信息量不足的問題。
　　

3、2.研究了特征選擇算法，尤其是基于遺傳算法的特征選擇算法。合并特征集后，采用基于kNN（k-Nearest Neighbor）的遺傳算法進行最優(yōu)特征集選擇，然后輸入分類器進行識別。在實驗中采用支持向量機等分類方法驗證特征選擇算法的效果，結果表明，通過遺傳算法進行特征選擇后，分類正確率達到96.43％。
　　3.結合BCI系統(tǒng)的構成，在MATLAB中將本課題中實現(xiàn)的腦電信號的特征提取，特征選擇以及分類識別等模塊統(tǒng)一集成到一個方便人機